Un lampo indica la creazione di grafene dai rifiuti nel laboratorio Tour. Credito:Jeff Fitlow
Gli scienziati della Rice University stanno utilizzando tecniche di apprendimento automatico per semplificare il processo di sintesi del grafene dai rifiuti attraverso il riscaldamento flash Joule.
Il processo scoperto due anni fa dal laboratorio Rice del chimico James Tour si è esteso oltre la produzione di grafene da varie fonti di carbonio all'estrazione di altri materiali come i metalli dai rifiuti urbani, con la promessa di un riciclaggio più ecologico a venire.
La tecnica è la stessa per tutto quanto sopra:far saltare una scossa ad alta energia attraverso il materiale di partenza per eliminare tutto tranne il prodotto desiderato. Ma i dettagli per il flashing di ciascuna materia prima sono diversi.
I ricercatori descrivono in Materiali avanzati come i modelli di apprendimento automatico che si adattano alle variabili e mostrano loro come ottimizzare le procedure li stanno aiutando ad andare avanti.
"Gli algoritmi di apprendimento automatico saranno fondamentali per rendere il processo flash rapido e scalabile senza influire negativamente sulle proprietà del prodotto in grafene", ha affermato Tour.
"Nei prossimi anni, i parametri del flash possono variare a seconda della materia prima, che si tratti di petrolio, carbone, plastica, rifiuti domestici o qualsiasi altra cosa", ha affermato. "A seconda del tipo di grafene che vogliamo - scaglia piccola, scaglia grande, turbostratico elevato, livello di purezza - la macchina può discernere da sola quali parametri modificare."
L'apprendimento automatico sta perfezionando il metodo di riscaldamento flash Joule della Rice University per produrre grafene da una varietà di fonti di carbonio, compresi i materiali di scarto. Credito:Jacob Beckham
Poiché il flashing produce grafene in centinaia di millisecondi, è difficile svelare i dettagli del processo chimico. Quindi Tour e compagnia hanno preso un indizio dagli scienziati dei materiali che hanno utilizzato l'apprendimento automatico nel loro processo quotidiano di scoperta.
"Si è scoperto che l'apprendimento automatico e il riscaldamento flash Joule avevano un'ottima sinergia", ha affermato Jacob Beckham, studente laureato della Rice e autore principale. "Il riscaldamento Flash Joule è una tecnica davvero potente, ma è difficile controllare alcune delle variabili coinvolte, come la velocità di scarica di corrente durante una reazione. Ed è qui che l'apprendimento automatico può davvero brillare. È un ottimo strumento per trovare relazioni tra più variabili , anche quando è impossibile effettuare una ricerca completa dello spazio dei parametri.
"Quella sinergia ha permesso di sintetizzare il grafene da materiale di scarto basandosi interamente sulla comprensione dei modelli del processo di riscaldamento Joule", ha affermato. "Tutto quello che dovevamo fare era eseguire la reazione, che alla fine può essere automatizzata."
Il laboratorio ha utilizzato il suo modello di ottimizzazione personalizzato per migliorare la cristallizzazione del grafene da quattro materiali di partenza - nerofumo, cenere di pirolisi plastica, pneumatici in gomma pirolizzata e coke - in oltre 173 prove, utilizzando la spettroscopia Raman per caratterizzare i materiali di partenza e i prodotti di grafene.
I ricercatori hanno quindi fornito al modello più di 20.000 risultati della spettroscopia e gli hanno chiesto di prevedere quali materiali di partenza avrebbero fornito la migliore resa di grafene. Il modello ha anche preso in considerazione gli effetti della densità di carica, della massa del campione e del tipo di materiale nei loro calcoli. + Esplora ulteriormente
